fMRI期间记录的EEG伪迹自动消减流水线（APPEAR）
信号处理
2021-07-02 v3 生物物理
摘要
目的。fMRI采集期间收集的EEG数据除生理源性伪迹外，还受MRI梯度与心搏伪迹（BCG）污染。已有若干尝试通过手动且耗时的预处理来消减这些伪迹，可能因步骤顺序、参数选择及伪迹独立成分分类的变动而偏倚EEG数据。因此，迫切需开发全自动化且全面的流水线以消减所有主要EEG伪迹。本工作中，我们介绍了一个开放获取工具箱，具备全自动化流水线，用于消减同步于fMRI采集的EEG数据中的伪迹（参见APPEAR）。方法。该流水线整合平均模板相减与独立成分分析（ICA）以抑制MRI相关与生理伪迹。为验证结果，我们在静息态（n=48）与基于任务（即事件相关电位[ERP]；n=8）范式下从健康对照受试者记录的EEG数据上测试了APPEAR。所选金标准为对EEG数据库的专家手动审阅。主要结果。我们使用频域分析与连续小波变换比较静息态下手动与自动校正EEG数据，发现两种校正间无显著差异。在所谓停止信号任务期间记录的ERP数据（如幅度测量与信噪比）比较亦显示手动与全自动fMRI-EEG校正数据间无差异。意义：APPEAR提供了首个全面开源工具箱，可加速EEG分析进展并通过避免实验者偏好来增强可复现性，同时以可控的研究者时间与精力处理由数百受试者组成的大型EEG-fMRI队列。
引用
@article{arxiv.1912.05507,
title = {Automated Pipeline for EEG Artifact Reduction (APPEAR) Recorded during fMRI},
author = {Ahmad Mayeli and Obada Al Zoubi and Kaylee Henry and Chung Ki Wong and Evan J. White and Qingfei Luo and Vadim Zotev and Hazem Refai and the Tulsa 1000 Investigators and Jerzy Bodurka},
journal= {arXiv preprint arXiv:1912.05507},
year = {2021}
}
备注
*These authors contributed equally: Ahmad Mayeli and Obada Al Zoubi. J. Neural Eng. (2021)